1. 华为徐直军：昇腾国内市场份额已超英伟达，优先保障国内算力供给

2. 字节、腾讯、阿里抢人，AI高端人才薪酬持续走高

3. 智谱 GLM-5.3 牵手亚马逊云科技，国内外分成体系贯通

4. 余承东：存储涨价让每部手机成本增加超200美元，华为未来或将涨价

1. 华为徐直军：昇腾国内市场份额已超英伟达，优先保障国内算力供给

日前在上海举行的华为全联接（HC）大会期间，华为轮值董事长徐直军与海思首席科学家廖恒博士，就华为新发布的AI时代的Peerium计算架构和灵衢总线（UnifiedBus），与部分媒体记者进行了问答交流。如下为摘要：

徐直军：非常感谢大家来参加媒体沟通会，我有很长一段时间没有跟媒体朋友们沟通了，今天很高兴和大家相聚交流，主要聚焦在我们开创AI时代的计算架构和灵衢协议。

去年 HC 大会上，我在主题演讲中发布了昇腾芯片及其路标（950、960、970、超节点与集群解决方案），并宣布开放灵衢协议。

今年 HC 大会上，华为展出了昇腾 950 和 Atlas 950 超节点。"超节点" 如今人人都在讲，但不同厂商实现的差异很大。去年我曾一再强调，超节点的真正挑战，是让数千、数万颗处理器组成一台计算机。

今天展出的基于 950 芯片的超节点，背后正是我们开创的全新计算架构。它能让百万颗处理器成为一台计算机。我们将这一架构命名为 Peerium，它是基于嵌套并行、统一内存寻址、平等互联实现百万级处理器强扩展的计算架构，突破了图灵范式的串行，提出了Nested BSP。

同时，它也突破了冯・诺依曼单机架构，颠覆了长久以来的主从架构。但现有技术无法支撑这一架构的实现，为此我们发明了关键互联技术 —— 灵衢，最终实现让百万级处理器真正成为一台更大的计算机。

灵衢是基于一个开放协议、可无限扩展地联接 CPU、NPU、内存、SSD、网卡和交换机的高速总线。有了灵衢，计算、存储、网络得以平等互联，从而彻底颠覆原有的主从架构。

Atlas 950超节点就是华为采用Peerium计算架构的产品，目前25.6万卡规模的集群已经在部署和测试中。

问：廖博论文里面写的25.6万张卡组成一个超节点，这是该技术的上限吗？目前整体市场需求情况如何？

廖恒：25.6万或约20万这个数字，并不是随便定的。

首先，这类大型集群用于训练，硬件基础设施需要支撑基础模型训练，而目前模型参数规模已达到 5 万亿级别。

未来两年内，预计中国将出现约 6 至 7 个前沿 AI 实验室，目标都是训练参数规模在 10 万亿到 40 万亿之间的基础语言模型。这些数字与超节点的内存容量和规模大致匹配，因此需要如此规模的基础设施来做训练。

第二，在中国，大多数数据中心都接入了国家电网。考虑到单个区域、单个数据中心园区的电力输送系统设计，20万是一个相对保守的数字。

正如我所说，大家一定对全球范围内正在发生的AI模型竞赛非常熟悉。在中国，至少有3到4家一线参与者已获得广泛认可，并达到了一线地位。

问：华为接下来将如何推动中国的模型厂商将昇腾系列芯片用于训练？    

徐直军：950 率先推出的是 PR 版，主要面向推理，目前上市量不算大。基于 950DT 的超节点则主要用于训练，目前还在测试中，规模供货应该在今年年底或明年初。我们和各家模型厂商做了很多沟通交流，从目前测试结果来看，950DT 的训练表现非常不错，我相信从明年开始，大量模型的训练会构筑在 950DT 超节点上。未来关键可能不在于我们推动的力度有多大，而在于我们的供货能力有多大。现在能产多少就供多少，我们希望产业链加快扩产，快一点、多产一点。

问：现在美国部分领先模型厂商呼吁放缓AI产业的发展，对此华为怎么看？

徐直军：从中美 AI 发展的水平和节奏来看，中国的模型基本都是开源的，相对而言，发展到哪一步也是透明的；而美国几家主流模型厂商由于拥有更强大的算力，到底发展到了哪一步，目前可能只有他们自己知道。他们感受到的 AI 风险，在中国可能感受并不强烈。中国现在还是要加快自己的节奏，等真正能够感受到这种风险时，或许会与美国头部模型厂商有同样的感觉。但我一直认为，AI 既要发展又要管控风险，要让 AI“向善”，而不是“向恶”。

问：950 超节点目前有没有在海外扩展的计划？如果有的话，会在哪些市场上开展？国内市场份额情况如何？如何看待芯片自主化率的问题？

徐直军：目前昇腾满足国内市场需求还远远不足，所以没有全面拓展海外市场的计划。但确有少数国家非常需要，我们做了测试和供给，但量非常少。

在中国市场要统计英伟达的市场占有率很难，但如果从我们能够统计到的数据看，昇腾应该已经超过了英伟达。

中国推进芯片自主化是一条必然之路。中国有 14 亿人口，又是一个工业化大国，所有的生活、工作都与芯片相关。中华民族又是一个忧患意识很强的民族，不能一直受制于人，不能今天被说卖一颗给你，明天又说不卖给你。尽管水平差一点、先进性差一点，但解决 "有无" 问题，不要天天提心吊胆，应该是必然之路。相信无论是中国政府还是中国产业界，包括华为在内，推动芯片的全面自主化、推动半导体产业整个链条的全面自主化，肯定是一条必由之路，而且我也相信总有一天会变为现实。

问：华为推出了灵衢互联技术，是基于在计算和通信领域的长期积累，其中有多少是来自华为网络部门的贡献？ 

徐直军：UB不仅仅是华为网络部门的贡献，我们在各种各样的互联协议基础上，最终将其做成一个统一协议。网络领域一般是IP协议，时延都很高。计算互联和传统网络不一样，我们提的是总线，需要低时延、超高速。当时在决策做这个产品时，我们将其放在计算部门而不是传统的网络部门，这样才能真正做出一个高速、低时延、又统一协议的UB出来。

廖恒：如果把UB看作一群人的智慧结晶，它是由计算机架构师孕育，但是由网络技术抚养长大。

问：UB是一个同时兼顾Scale-out和Scale-up的技术。英伟达分别做了NVLink和InfiniBand。为什么华为把Scale-up和Scale-out做成一个技术？这和现在其他方案相比有什么优势？

徐直军：首先，不是他们不做，而是能不能做出来的问题。当前最新的NVL72柜内带宽很宽，达到 1.8 TB/s，但一出柜就降到 0.2 TB/s。要把百万台处理器变成一台计算机，柜间如此低的带宽根本不可能。大家都希望柜内、柜间、数据中心之间乃至跨区，速度最好都一样，那才能让一个巨大的物理空间成为一台计算机。这正是 UB 的价值，它基于一个统一协议，做到全程高速互联。因此 UB 技术路线上做的是总线，就像计算机内部的总线一样，而不只是 Link。基于 UB，我们的柜间带宽最高可达 800 GB/s。

去年我们开放 UB 协议后，最大的下载量其实来自硅谷。英伟达最早的目标可能不是做NV72，而是NV256，但最终它的256变成了72；而华为的910C 超节点做到了384，还交付了一千多套。最主要的差别在于，我们在910C超节点上采用了UB，而当时英伟达的NVLink主要局限于柜内，柜间网络速度太慢，不可能扩展太多。

廖恒：我补充一下为何采用单一协议。英伟达及大多数其他厂商至少使用了两种协议，分别应对不同的场景，就像一次旅行往往要同时选择飞机、高铁、汽车等多种交通工具，转换过程相当麻烦费时。而在这些超节点中，大量流量需要中转，如果从 NVLink 切换到 InfiniBand，至少涉及微秒级的转换时间，即从一个协议到另一个协议的中转时间，时延很难满足。

UB 采用统一协议，将数据包从 scale-up 网络传输到 scale-out 网络，可能只需要大约 150 纳秒。相比而言，与这些协议转换开销至少可节省一个数量级。

问：在采用灵衢总线（UB）的Atlas 950中，Scale-up场景下光互联和电互联分别占多少？未来柜内有没有可能全部实现光互联，主要障碍是什么？

徐直军：华为刚刚发布了基于 NPO 的 Hi-ONE 模组，支持 7.2T 高带宽，光引擎距离主芯片仅约 5 厘米，只有这部分还需要铜线做电连接，基本可以说是全光的超节点。同时，Hi-ONE 模组把光源直接封装进模组内部，实现内置光源。我们预计，未来两到三年内都很难有其他厂商能做出来。这是华为多年来在光电相关领域的积累，才得以实现和量产。

廖恒：在我职业生涯初期，20年多前我们就已经在讨论让芯片连接走向光学化。因为光的传输距离和衰减非常小，信号可以高速传输更远。

从电路角度看 Hi-ONE 内部其实非常简单，器件并不多。但走向量产这条路，我们走得非常艰难：光学技术涉及大量物理原理，温度稍微变化，就会影响二极管的物理特性，改变折射率，影响波导性能，导致无法正常工作。

我认为全光互联最大的障碍是对可靠性的担忧，因为器件会发生故障。目前大多数厂商选择外置光源路线，用单个光源馈送 32 路信号，功率就必须放大 32 倍。如此巨大的功率很容易引发许多问题，在耦合接口及其他各个环节都会出问题。我们选择内置光源方案，是出于工程上的务实选择，Hi-ONE 正是经过多次权衡后达成的出色折中方案，很快将进入量产阶段。

问：关于昇腾芯片的工艺和产能问题，目前限制产能进一步释放的主要瓶颈是哪些环节？华为预计还需多久可以实现大规模稳定的算力芯片供应？

徐直军：中国的瓶颈问题与全球瓶颈问题基本一致。全球产业界都没有为 AI 如此浪涌式的发展做好准备。现在所有光模块公司、存储公司之所以能卖高价，并不是因为产品有多好，而是严重供不应求所致。因此，只有全球和中国同时达到供需平衡，瓶颈问题才能彻底结束。我预计全球的供需平衡差不多在 2029 年能得到解决，中国可能还要慢一点。这里的供需平衡，还要考虑 AI 发展过程中不断发生的技术变化，包括 CPO、NPO 等。

从华为的角度讲，相比过去的通信、IT 产业，现在我们的供应量已具备相当规模；但如果和当前产业对 AI 基础设施的需求相比，规模确实又远远不够。要实现客户要多少就能供多少，华为要达成这个平衡，取决于整个中国产业界的平衡。

问：有报道说马来西亚正在考虑基于华为昇腾910C来部署主权AI，华为如何来平衡国内客户和海外客户的需求？

徐直军：从客户部署华为解决方案的选择来看，肯定是基于地缘政治和多供应商的考量。每个企业都要为其长远发展消除安全风险，因此昇腾必然是所有客户的一个选项，尽管相比竞争对手它还有差距。至于平衡国内与海外，我们的原则很简单：国内为主，优先供应急需算力的中国客户；海外则服务于少数买不到的客户，或一定要另一个选择的客户。

问：华为在NPO、CPO这两个技术路线上，当时内部选择或者博弈是什么？

徐直军：这个问题在华为好像没有过争论。因为华为既做光器件，又做光模块和昇腾芯片，清楚哪种情况才是最佳选择，所以我们很早就达成共识做 NPO，没做 CPO。而且我认为，在相当长时间里，从工程实现、成本、维护、良率等角度讲，NPO 都是最佳选择。

经过产业界这几年关于 NPO、CPO 的辩论，从两次 OIF 的讨论来看，产业认知也在进一步清晰。OIF 第一次讨论时，有一部分厂家不支持 NPO，一心要搞 CPO；而最近一次 NPO 立项时，反对的已经寥寥无几。相比 CPO 方案，NPO 的铜线连接有 5 厘米左右，比 CPO 的 5 毫米左右要长一点，但带来了成本接近 40% 的下降，同时还带来另一个好处，即一旦光引擎出问题，不会把整个 AI 芯片一起报废。当然，CPO 和 NPO 并不是谁消灭谁的问题，而是工程、成本、产业链、维护等各个方向上平衡的选择，没有对错。

所以，我们坚定不移走 NPO 的道路，推动产业界形成标准，全产业链共同把 NPO 发展好，但也不是说 CPO 不行。在OIF上NPO得到了 40 家产业链厂商的支持，应该来讲，大家也看到了 NPO 的好处。

问：模型厂商对于950DT用在模型训练上，给华为反馈了哪些需要改进的领域和问题？华为对大模型的预训练做了哪些芯片和底层方面的调整和优化？

廖恒：此前昇腾芯片遇到的第一个障碍其实并非硬件本身，而主要是生态壁垒。就在两年前，昇腾软件层面仍存在巨大障碍，而 CUDA 在这方面显然具有压倒性优势，因为整个学术界都是伴随 CUDA 成长起来的，所有算法开发者都已习惯了 PyTorch 加 CUDA 的便利。 

过去 18 个月发生了巨大变化。首先，模型的数学复杂程度发生了巨大变化，编程复杂度也随之增加。其次，模型正变得非常细粒度，这意味着无法再仅用 PyTorch 编写程序并保持效率。因此，即便是算法开发者，也必须转向超大规模内核的编程风格，需要新的编程语言，这已经是前沿实验室的发展方向。

如今，随着新的编译器语言出现，它们正在逐步取代并平衡 CUDA 的壁垒，前沿实验室已不再像两年前那样重视 CUDA。这是软件层面的壁垒消解。我认为我们正在接近甚至达到平衡，差距已大幅缩小。

其次，关于芯片本身，我们拥有自身优势，正如我讲到的UB和 Nested BSP 模型。这不仅是对单个芯片编程，更是以便捷的方式对大量芯片编程，我们正在提供这些能力。而在芯片内部，我们也吸取了此前的教训，做出了大量改进。

整体上，我们正在缩小英伟达与昇腾之间的差距。我认为如今主要差异已大幅缩小，当人们使用这些处理器开发时，不再感到陌生。

问：下周有可能中国和美国的元首会面会谈，有人说在 AI 人工智能方面两位国家元首也会谈一谈。作为中国的企业家，你期待两个国家达成什么样的合作？

徐直军：所有中国企业家都有一个共同心声 —— 和平相处，不应以政府行为干扰市场竞争。我们都经历过全球化充分竞争的时代，企业靠创新、靠自己的产品赢得客户。但随着地缘政治影响急剧上升，全球化在慢慢远离。对企业而言，都希望做全球市场，都期望靠自己的创新和产品去赢得市场，而不是想买买不到、想卖卖不过去。

华为这三十多年来一直强调靠创新赢得市场，靠持续的压强式研发投入构筑产品竞争力、赢得客户。从 2007 年到 2025 年，累计研发投入超过 1.8 万亿人民币，其中还有 10% 持续投入基础研究。正是过去这种高强度研发投入、强调创新去构筑有竞争力的产品，从竞争中赢得市场，才走到今天。

关注通信业的媒体可能清楚华为过去几十年走过的路。今天的 AI，我们也在走一条自己擅长、又能面向未来真正构筑竞争力的路。

问：关于 UnifiedBus 技术，这是国内在先进制程受限情况下走出的中国特色路线，还是未来全行业都可能的方向，英伟达也有可能往这个方向走吗？

徐直军：UB是一条创新之路，我认为也是未来AI计算的必由之路。

因为只有 UB 这种互联技术，才能实现百万级处理器的巨大计算机。而上百万的处理器像一台计算机一样工作，才能真正实现更好、更高效率的训练和推理，所以它是必由之路。相信过不了几年，大家都会朝着这条路走。

为什么开放 UB 协议？就是因为相信整个产业界会朝着这条路线走。这样，为 AI 走向 AGI，需整个产业界共同努力。廖博为什么以论文形式公布 Peerium计算架构，也是因为这一创新架构就是 AI 时代的计算架构。960 只是节奏变快了，规格和我去年讲的一样；HBM 是在 960 里面的，没有 HBM 的进步，也没有 960 的进步。

今天 UB 互联技术是整个 Peerium 计算架构实现的基础。无论是 UB 互联技术还是 Peerium 计算架构，我们都认为是 AI 时代的未来之路。

我多次讲过，在单芯片上，我们的设计没有任何问题，只是仍受制于国内的工艺。但将多芯片互联起来成为一台计算机，我们已经处于全球领先的地位。这是基于架构的创新和互联技术的创新，而且这些研究工作不是在制裁后才开始的，而是在制裁之前就开始了。第一颗 AI 芯片以及华为的整个 AI 战略，是我在 2018 年 HC 大会上发布的；2019 年，我们发布了超节点和集群。自那以后我们就认为，AI 要支撑大规模的训练和推理，需要新的架构、新的互联技术，也是从那时开始不断投入研究、不断创新，才有了今天讲的创新计算架构和 UB 互联技术。

我相信现在产业界面临的问题都是一样的。在多卡计算系统中，MFU（模型浮点算力利用率）是很关键的指标。大模型训练过程中，突然一个卡故障，或一个卡性能忽然下降，都会对训练造成巨大损失。

基于 UB 互联技术、基于 Peerium 计算架构做出的超节点和集群，可以大幅提升 MFU，这已经被验证了。这也是头部模型厂商采用昇腾 950 训练最喜欢的一点。我们还能提供原厂服务，让提升 MFU 更有保障，训练成本反而降低，训练迭代速度加快。

2. 字节、腾讯、阿里抢人，AI高端人才薪酬持续走高

人工智能热潮正在推高顶尖高校相关专业毕业生的薪酬。多位熟悉北京大学博士就业情况的人士透露，AI相关方向博士毕业后的第一年，总包达到数百万元人民币已不罕见，个别毕业生的打包薪资还可能更高。与此同时，AI也在高校毕业生之间制造分化，非顶尖高校毕业生在这轮技术变革中承受更大压力。

目前，争夺高端AI人才的主力是阿里、字节跳动、腾讯等科技大厂。字节跳动因总部距离北京大学较近，成为北大毕业生的重要去向之一。据北京大学国际机器学习研究中心助理教授杨灵介绍，不少北大学生在读期间就已在字节实习。字节跳动2026届“Top Seed”大模型顶尖人才校招计划，计划招募约30位优秀博士生，聚焦大语言模型、机器学习算法与系统等前沿方向，目标是找到大模型领域前5%的人。

腾讯面向全球顶尖技术学子推出“青云计划”，称将提供定制化培养方案、核心业务机会和“极具竞争力的薪酬”。网络流传的薪资标准为“100万—300万+，上不封顶”。阿里巴巴则在推进千问大模型项目。2025年年中，阿里宣布未来三年在AI及相关云计算领域投入3800亿元，CEO吴泳铭随后表示将追加资本开支。市场还流传，字节跳动2026年AI投资预算接近1600亿元。

大厂为何愿意开出高薪？AI初创公司创始人王浩表示，千问所持有的几十万张算力卡意味着近100亿美元投入。如果一名博士能帮助项目优化芯片使用效率，几百万元年薪在如此庞大的算力投入面前并不算贵。杨灵也认为，字节一年开几百万元并不亏，甚至给核心研究人员开两千万元也不亏。因为一次实验可能动用几百到几千张卡，成本从几百万元到几千万元不等，错一次代价很高，而顶尖研究员能减少无效训练。

不过，拿到高薪的博士并非高枕无忧。杨灵提到，不少北大、清华博士生会直接进入大厂承担核心任务，甚至替代上一代技术人才，但这也意味着过两年可能被更聪明的人替代。这也是他选择先去普林斯顿大学做博士后、再回到北京大学的原因之一。现在他既在北大带博士生，也在推动创业项目。

杨灵判断，五年后AI人才不会像今天这样紧缺。一方面，高校人才供给会增加，模型厂商也会培养自己的人才；另一方面，产业发展可能遇到天花板，对人才的需求不会一直膨胀。AI还在拉大高校毕业生之间的薪资差距。杨灵认为，未来AI领域可能不再只是Top20或Top15高校毕业生的事情，一些工作可能被Codex等AI编程平台替代。Codex是OpenAI推出的AI编程平台，其强劲对手是Anthropic的Claude编程工具。AI编程业务支撑了Anthropic收入高速增长和超高估值，也让初级编程人员的工作变得可有可无。

杨灵认为，AI对人才的分化会越来越极端，最终压缩到最顶尖的一批人，只有他们能真正做出高价值成果。王浩则表示，高校也需要变化，实验室必须与产业结合，否则缺少科研费用，学生也更难做事、学不到东西。普通学校则不得不面对并积极应对可能出现的螺旋式下降挑战。

3. 智谱 GLM-5.3 牵手亚马逊云科技，国内外分成体系贯通

10 月 6 日，亚马逊云科技（AWS）旗下大模型服务平台 Amazon Bedrock 官宣接入智谱 GLM-5.3，AWS 将基于模型调用量与智谱进行收入分成。

据了解，除了 AWS 外，智谱近期还与多家海外云厂商落地了收入分成模式。此前智谱透露，计划通过海外云平台收入分成增加一条具有规模潜力的商业路径。在国内，智谱也已与阿里云百炼平台等头部云厂商签署类似分成协议，华为云已上架 GLM-5.3，并就类似合作达成意向，形成了贯通国内外的分成体系。

4. 余承东：存储涨价让每部手机成本增加超200美元，华为未来或将涨价

10月6日，华为方面披露9月29日国际媒体圆桌会议纪要。华为常务董事、终端BG董事长余承东在交流中谈及当前手机行业面临的存储成本上涨压力，并透露华为手机业务未来可能进一步调整价格。

余承东表示，近期存储元器件价格大幅上涨，使每部手机增加的成本已经超过200美元。由于华为手机采用的存储规格相对较高，因此受到的成本冲击也更加明显。

面对持续上涨的零部件成本，华为此前一直在尽可能自行消化压力，希望减少成本上涨向消费者的传导。但余承东坦言，这一做法也使公司的整体利润率明显下降。

“未来我们也不得不提高价格。”余承东表示，如果持续亏损，业务将难以长期维持，企业首先需要保证自身能够生存。

从行业层面来看，存储价格上涨正在成为手机厂商共同面对的成本压力。余承东指出，目前已有不少手机厂商开始提高产品售价，而华为的价格调整相对缓慢，希望尽可能降低消费者需要承担的成本。

他同时认为，手机价格持续上涨后，低端市场的压力将进一步加大，部分厂商可能因此向中高端市场转移。对于长期布局高端市场的华为而言，这一趋势也意味着新的竞争机会。

Mate 90系列起售价5999元

10月1日，华为正式发布Mate 90系列，并于当天同步开售。其中，Mate 90售价5999元起，Mate 90 Pro售价6999元起，Mate 90 Pro Max售价9499元起，Mate 90 Pro Max典藏版售价10999元起，Mate 90 RS非凡大师版售价12999元起。

在发布会上谈及当前存储价格上涨背景时，余承东表示：“在内存大涨价的今天，我们的价格还是非常有诚意的。”

从产品来看，Mate 90系列全系搭载华为旗舰τ芯片，并运行HarmonyOS 7。其中，Mate 90搭载麒麟9030，Mate 90 Pro搭载麒麟9035，Mate 90 Pro Max搭载麒麟9050 Pro。

与此同时，鸿蒙生态仍在快速扩大。华为公布的数据显示，目前运行HarmonyOS 6和HarmonyOS 7的终端设备数量已经突破9000万台，可获取的应用和服务超过45万。余承东此前还表示，预计到今年年底，鸿蒙相关终端设备数量将达到1亿台。

在生态建设方面，华为目前拥有超过1100万注册开发者和超过2.3万家应用创新合作伙伴。余承东表示，操作系统开发中最困难的部分之一就是应用和生态建设，华为能够持续推进鸿蒙生态，也离不开开发者及合作伙伴的支持。

鸿蒙或逐步走向海外

除了存储成本和鸿蒙生态，海外市场也是此次交流的重点之一。

余承东透露，华为正在考虑未来逐步将鸿蒙操作系统推向全球市场。不过，目前这一计划仍处于早期阶段，具体推进将采取循序渐进的方式。

在手机业务方面，华为目前每年仍在中国以外市场销售数百万部智能手机，并正在探索进一步扩大海外业务。

余承东提到，在欧洲等成熟市场，手机销售很大程度上依赖运营商渠道。如果华为希望在更多发达国家扩大手机业务，就需要重新进入当地运营商销售体系。目前，华为正在研究重新进入欧洲等市场运营商渠道的可能性，但尚未公布具体时间表。

从存储成本上涨，到手机价格调整，再到鸿蒙生态扩张和海外市场重新布局，华为手机业务正处于新的调整阶段。随着上游存储成本压力继续传导，手机行业的价格体系以及厂商之间的竞争格局或将进一步发生变化。